基于人工智能的室內(nèi)指紋定位技術(shù)研究.pdf

1、隨著無線通信技術(shù)的不斷發(fā)展及室內(nèi)基于位置的服務(wù)(Location BasedService，LBS)業(yè)務(wù)需求的不斷增長，室內(nèi)無線定位技術(shù)近年來得到了越來越廣泛的研究。而高性能無線定位技術(shù)，如高定位精度、高定位實時性、低計算復(fù)雜度、低開發(fā)應(yīng)用成本決定了室內(nèi)LBS業(yè)務(wù)的服務(wù)質(zhì)量?；跓o線局域網(wǎng)(Wireless Local Area Network，WEAN)的接收信號強度(Received Signal Strength，RSS)指紋信息

2、定位技術(shù)受益于米級定位精度性能、智能終端的低開發(fā)成本以及WEAN技術(shù)在室內(nèi)場景的廣泛分布這三大優(yōu)勢而成為室內(nèi)LBS系統(tǒng)中定位技術(shù)的首選。
　　而室內(nèi)指紋定位技術(shù)面臨一些主要問題以待解決。在離線階段，需要建立指紋數(shù)據(jù)庫并在環(huán)境變化時更新指紋數(shù)據(jù)庫以保證其定位有效性，而數(shù)據(jù)庫的建立與更新需要耗費大量的人力物力，這不利于指紋定位算法的普及，特別是大型定位場景中的應(yīng)用。在在線階段，指紋模式匹配技術(shù)的設(shè)計需要克服RSS受多徑效應(yīng)、陰影效應(yīng)引

3、起的時變特性所產(chǎn)生的位置估計誤差，同時需要降低算法計算復(fù)雜度，提高定位實時性性能。針對以上問題，本論文將通過人工智能領(lǐng)域技術(shù)及優(yōu)化技術(shù)來改善指紋定位系統(tǒng)整體性能，本文的主要工作及創(chuàng)新點如下:
　　1)在離線階段，提出了基于仿射傳播聚類算法的指紋數(shù)據(jù)庫自主重構(gòu)技術(shù)。通過基于分簇信道建模算法中的室內(nèi)區(qū)域分區(qū)原理觀測的RSS值分簇衰落特性，提出了室內(nèi)無線信號的區(qū)域化傳播模型(Regional Propogation Model，RPM)

4、。利用仿射傳播聚類技術(shù)對稀疏密度分布的參考點處采樣得到指紋圖譜進行分簇從而將室內(nèi)區(qū)域劃分成特定個數(shù)的子區(qū)域，然后利用各個子區(qū)域的采樣數(shù)據(jù)建立所提的RPM路徑損耗傳播模型，通過該模型預(yù)測其他未測量參考點處的指紋以重構(gòu)完整的指紋數(shù)據(jù)庫。實驗測試結(jié)果顯示，所提路徑損耗傳播模型的RSS預(yù)測精度高于現(xiàn)有的傳播模型;同時，在降低指紋采集工作量50％以上時，所提算法仍然能夠獲取較高的定位精度。
　　2)接入點(Access Point，AP)選

5、擇算法有利于降低指紋定位系統(tǒng)中信號處理的特征維度，降低算法的計算復(fù)雜度從而提高定位實時性;同時，有利于降低系統(tǒng)存儲開銷。論文通過定位誤差估計的克拉美-羅底界分析，提出了一種融合信號強度、區(qū)分度及穩(wěn)定性的混合AP選擇算法，從而在降低計算復(fù)雜度的同時最大化AP信號的空間位置區(qū)分能力以提高定位精度性能。實驗測試結(jié)果顯示，所提算法定位精度性能優(yōu)于其它算法，平均定位精度可達1～2m。
　　3)在在線階段位置估計與追蹤算法設(shè)計中，提出了基于粒

6、子群優(yōu)化(ParticleSwarm Optimization，PSO)與卡爾曼濾波(Kalman Filter, KF)算法(PSOKF)的定位追蹤系統(tǒng)。論文給出了PSO算法在指紋定位系統(tǒng)中的應(yīng)用模型，分析了PSO算法粒子群初始化對定位誤差的影響及分析了算法的計算復(fù)雜度。在動態(tài)位置估計中，改進了PSO算法的初始化策略以提高算法的收斂速度及全局收斂性能，從而提高位置估計精度;同時，結(jié)合卡爾曼濾波算法對位置估計結(jié)果做進一步的修正平滑以獲取